基于信噪比的干涉图自适应滤波的研究教案分析.ppt

报告内容 研究现状与存在问题 研究内容 研究成果 干涉噪声及其影响 干涉图噪声来源：系统性的热噪声,时间和空间去相关噪 声,以及局部匹配不准引起的噪声等([1][2])。 干涉噪声的影响 引起相位残余点，影响相位解缠，甚至使相位解缠无 法进行； 干涉噪音会直接带入InSAR生成的数字高程模型或地面 形变； 为获得高质量的干涉SAR图像，必须对噪声进行有效的抑 制，同时应该保持干涉SAR图像的分辨率。 滤波方法分类([3]-[8]) 针对干涉SAR图像中随机噪声的特性，抑制噪声的方法大体可以 分为空间域滤波、频域滤波和时频分析滤波三大类滤波方法。 空间域滤波方法主要有：条纹自适应滤波方法、多视滤波方法 和矢量滤波方法等； 频率域滤波方法主要有：自适应α滤波方法、频谱加权滤波方 法和主频率成分提取滤波方法等； 时频分析滤波方法主要有：零中频矢量滤波方法、自适应零中 频矢量滤波方法和矢量分离式小波滤波方法等。 局部统计自适应滤波思想 针对传统的中值滤波和均值滤波方法不能够很好的保持边缘信 息而提出来的，能较好地保持和增强干涉图中的条纹信息。 考虑到图像的不均匀性，基于通向的局部直方图特征、均值、 灰度和梯度等参数来选取参与滤波的领域点及决定权值大小。 该滤波器都是对INSAR图像的局部特征自适应的，即它们是局部 统计值的函数，因此对相位噪声中的颗粒噪音的去除效果较好。 能在平滑噪声的同时较有效的保持明显的边缘，而且能通过参 数控制来调整平滑效果和边缘保持效果。 几种局部统计自适应滤波 局部自适应滤波方法为当前INSAR图像处理中最常用 的方法，大致分为以下几种： 经典的Goldstein滤波方法[7] 改进的Goldstein滤波方法[8] 鲁棒加权圆周期滤波的算法[9] 基于梯度的中值—自适应滤波方法[5] 已有滤波方法存在的问题 自适应性不够强 部分滤波方法不是自适应滤波（即根据局部统计值调 整滤波参数） 如中值、均值、多视、矢量滤波等； 部分滤波虽然采用自适应滤波，但滤波参数选取具有 一定片面性。 如自适应α滤波方法，选取的α只与相干性有关，而没有 直接与方差、信噪比等能比较全面刻划InSAR干涉图质量的参 数相关 滤波过程中没有考虑信噪比这一通用而直接的刻划图像质 量的重要参数 基于信噪比的滤波方法具有普遍适应的优点，发展基 于信噪比的滤波具有重要意义，不仅可以用于INSAR干涉 图，而且可以推广到其他的一般图像的滤波处理应用中 去。 研究内容 研究InSAR干涉图中信噪比的定义与计算方法； 提出基于信噪比的InSAR干涉图相位噪声抑制的新算法。对自 适应Glodstein雷达干涉图滤波方法进行改进，并进行大量实验设 计出相关的新滤波参数模型，使Goldstein滤波参数依赖于局部信 噪比而作自适应变化，低信噪比区域强滤波，高信噪比区域弱滤 波。 对InSAR干涉相位图及其噪声进行模拟； 用模拟数据和香港地区ERS-1/-2真实数据进行滤波实验， 验证新算法的有效性和优越性。 信噪比定义 图象的信噪比应该等于信号与噪声的功率谱之比，但通常功 率谱难以计算，本文采用一种近似估计图象信噪比的方法，即 信号与噪声的方差之比来定义信噪比。首先计算图象的局部方 差，将局部方差的最大值认为是信号方差，最小值认为是噪声 方差，求出它们的比值，再转成dB数[10]： (1) 新滤波参数模型 对整幅干涉图的SNR值集进行直方图分析后发现，SNR的值在某些范围 内很集中，为了使SNR值均衡化，达到更好的自适应滤波效果，采用其指 数函数作为滤波参数。由于Goldstein滤波中的参数取值范围在0到1之间， 我们将信噪比的指数函数进行归一化处理，构造的滤波参数模型为： (2) 其中， 是局部信噪比， 为取最大值的操作符。在实验中，计算 信噪比所选取的窗口为5×5。 新滤波基本步骤 新滤波方法在原有Goldstein滤波方法的基础上，引入干涉图的局部信噪比 来控制滤波的强弱，用局部信噪比的函数代替原Goldstein滤波方法中的滤波 参数。该方